Als leraar zie je hoe leerlingen presteren op een opdracht of taak in de klas, maar je weet daarnaast ook van alles over hun persoonlijke achtergrond. Je hebt bijvoorbeeld een indruk van hun intelligentie en werkhouding, en je weet of ze een (niet-westerse) migratieachtergrond hebben. Al die achtergrondkennis is lang niet altijd relevant voor de prestaties, maar leraren kunnen toch geneigd zijn die informatie mee te wegen bij inschattingen en verwachtingen van leerlingen. Dat blijkt uit een experiment onder 46 vo-docenten van verschillende vakken (moderne vreemde talen, geschiedenis, biologie, aardrijkskunde) en hun 216 leerlingen, van 32 scholen.
Leraar schatte leerling
die hij niet kende
minder accuraat in
De leerlingen kregen teksten voorgeschoteld over uiteenlopende onderwerpen, zoals het Suezkanaal of de werking van botox. Als verwerkingsopdracht vulden ze diagrammen (een soort mindmaps of tekstschema’s) in, over de causale relaties uit de teksten (oorzaak-gevolg, bijvoorbeeld: door het graven van het Suezkanaal werd de afstand van Jeddah naar Rotterdam 40% korter). De docenten moesten inschatten hoe goed zes van hun eigen leerlingen zouden presteren op een begrijpend-leestoets over deze teksten. Daarbij kregen ze de diagrammen te zien: deze gaven informatie over het tekstbegrip van de leerlingen. Na elke inschatting moesten de docenten hardop denkend aangeven welke informatiebronnen ze gebruikt hadden voor hun inschatting. Dat kon dus het diagram zijn, maar ook bijvoorbeeld hun indruk van de werkhouding van de leerling.
Objectiever richtpunt
|
De leerlingen maakten vervolgens een toets over de causale relaties in de gelezen teksten. Op basis van de toetsgegevens konden wij vaststellen welke informatiebronnen daadwerkelijk voorspellend en dus relevant waren voor de prestaties. Het meest relevant – dus de beste informatiebron – was het diagram: een leerling die de causale verbanden daarin goed wist te benoemen, slaagde daar ook tijdens de toets goed in.
Minder nuttig bleek het om te kijken naar bijvoorbeeld migratieachtergrond, intelligentie of werkhouding: die voorspelden minder sterk hoe een leerling uiteindelijk presteerde op de toets. Dat algemene werkhouding en intelligentie niet zo relevant zijn, is ook bekend uit eerder onderzoek (zie onder meer Kriegbaum e.a., 2018).
Toen we alle data bij elkaar legden, bleek gelukkig dat 70% van alle inschattingen van de docenten gebaseerd waren op relevante informatie, dus het aantal juiste causale relaties dat een leerling in het diagram had verwerkt. Maar docenten lieten zich ook regelmatig (30 tot 55% van de gevallen) misleiden door hun eigen indruk van de leerling, bijvoorbeeld door hoe zij de intelligentie of de werkhouding van een leerling inschatten of door de migratieachtergrond. Informatie kortom die veel minder relevant is voor de toetsprestaties. Wanneer docenten zich hierdoor lieten misleiden, waren hun inschattingen minder accuraat.
Komen docenten tot accuratere inschattingen als ze niet weten wie ze voor zich hebben? Dat bekeken we in een tweede experiment. 21 vo-docenten van 11 andere scholen kregen elk de diagrammen van tien leerlingen te zien, van wie ze de helft wel kenden en de andere helft niet.
De verwachting was dat ze de prestaties van de onbekende, anonieme leerlingen beter zouden inschatten, omdat ze bij hen ook niet over irrelevante informatie beschikten. Maar dat bleek opvallend genoeg niet het geval. Integendeel, de inschattingen van de toetsprestaties waren bij de onbekende leerlingen juist minder accuraat.
Hoe kan dat? Wanneer de docenten de anonieme diagrammen bekeken en hardop vertelden wat ze zagen, bleken ze gegevens over deze onbekende leerlingen erbij te verzinnen. Ze probeerden zich een beeld te vormen van degene die het diagram gemaakt had: ‘dit is een slimme leerling’ of ‘deze leerling heeft goed zijn best gedaan’. Dit lijkt hun inschattingen minder accuraat te hebben gemaakt (35% afwijkend van de daadwerkelijke scores van de leerlingen versus 28% afwijkend als ze de leerlingen wel kenden). Kanttekening is wel dat sommige docenten het sowieso lastig leken te vinden om de kwaliteit van de diagrammen en het aantal causale relaties daarin te beoordelen, vermoedelijk omdat ze niet zo vertrouwd waren met de opdracht.
In de eerste twee experimenten was nog niet onderzocht of docenten de kwaliteit van het werk van de leerlingen (de gemaakte diagrammen) goed konden beoordelen. Zou dit soms samenhangen met de accuratesse van hun inschattingen? Dat bekeken we in een derde experiment, met weer andere leraren. 18 vo-docenten van 12 scholen lieten we elk de toetsprestaties van tien van hun eigen leerlingen inschatten, wederom met behulp van diagrammen. En wat bleek? Docenten die zich niet lieten afleiden door minder relevante informatie (zoals werkhouding of migratieachtergrond) én die de kwaliteit van de diagrammen op waarde wisten te schatten (ze begrepen bijvoorbeeld hoeveel causale relaties een leerling in het diagram had benoemd), bleken de toetsscore van hun leerlingen beter in te schatten.
Ga telkens na: wat
voorspelt bij deze
taak de prestaties?
Om je inschattingen te verbeteren, en in het verlengde daarvan je verwachtingen en houding tegenover leerlingen, lijkt het dus belangrijk om je ervan bewust te zijn waar je je precies op baseert. Crux is dat je je richt op de informatie die de uitkomst (in dit geval tekstbegrip) ook echt voorspelt (diagram). Vraag je dus elke keer af: wat is bij deze opdracht of voor deze toets de relevante voorspellende informatie (zie ook kader)?
Tot slot een kleine nuance: eerder onderzoek heeft aangetoond dat bijvoorbeeld de werkhouding en intelligentie van leerlingen niet totaal irrelevant zijn en best enige voorspellende waarde voor de prestaties kunnen hebben. Uit vervolgonderzoek zal moeten blijken hoe je als leraar deze informatie kunt inzetten voor betere inschattingen van je leerlingen.
Janneke van de Pol is verbonden aan de Universiteit Utrecht. Dit onderzoek is onderdeel van haar Veni-project (NWO-projectnummer 451-16-012).
Katharina Kriegbaum, Nicolas Becker en Birgit Spinath. "The relative importance of intelligence and motivation as predictors of school achievement: A meta-analysis." Educational Research Review 25 (2018): 120-148.
Dit artikel verscheen in Didactief, januari/februari 2022.
En blijf op de hoogte van onderwijsnieuws en de nieuwste wetenschappelijke ontwikkelingen!
Inschrijven
